幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

圖神經網路基礎模型與應用實戰/人工智慧技術叢書

  • 作者：蘭偉//葉進//朱曉姝|責編:夏毓彥
  • 出版社：清華大學
  • ISBN：9787302658832
  • 出版日期：2024/04/01
  • 裝幀：平裝
  • 頁數：204
人民幣：RMB 79 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    圖神經網路不僅能夠解決傳統機器學習方法無法解決的圖數據問題，而且能夠應用於許多實際場景，例如社交網路、藥物發現、網路安全、金融風控等。本書旨在為初學者和實踐者提供一個詳細、全面的入門指南，圍繞圖神經網路基礎、模型、應用實戰（均採用Python+PyTorch實現）等方面進行介紹。本書配套示例源碼、數據集、PPT課件。
    本書共分9章，內容包括圖神經網路概述、PyTorch開發環境搭建、數據集的獲取與載入、圖神經網路模型、圖神經網路在自然語言處理領域的應用、圖神經網路在電腦視覺領域的應用、圖神經網路在推薦系統領域的應用、圖神經網路在社交網路領域的應用、圖神經網路的挑戰和機遇。其中，每個領域的應用都包括1?3個實戰項目，可以幫助讀者快速掌握圖神經網路。
    本書適合圖神經網路初學者、圖神經網路演算法開發人員、深度學習演算法開發人員，也適合高等院校或高職高專圖神經網路相關課程的師生教學參考。
作者介紹
蘭偉//葉進//朱曉姝|責編:夏毓彥
    蘭偉，廣西大學電腦與電子信息學院副教授，博士研究生導師，中南大學博士。主要研究方向為機器學習、數據挖掘、生物信息學。在國際知名期刊和會議上發表論文60余篇，先後出版專著2部，獲省部級獎項1項。
目錄
第1章  圖神經網路概述
  1.1  什麼是圖神經網路
    1.1.1  圖的基礎知識
    1.1.2  圖神經網路簡介
    1.1.3  圖神經網路的應用領域
  1.2  圖神經網路的重要性
  1.3  圖神經網路與傳統深度學習的區別
    1.3.1  傳統深度學習模型
    1.3.2  圖神經網路與傳統深度學習的區別
第2章  PyTorch開發環境搭建
  2.1  Anaconda的安裝和配置
  2.2  PyCharm的安裝和配置
  2.3  PyTorch Geometric的安裝和配置
    2.3.1  查看系統支持的CUDA版本
    2.3.2  下載最新的Navida顯卡驅動
    2.3.3  下載CUDA Toolkit
    2.3.4  cuDNN的安裝
    2.3.5  安裝PyTorch框架虛擬環境
    2.3.6  檢查PyTorch框架的安裝
    2.3.7  安裝圖神經網路庫
    2.3.8  使用Jupyter Notebook運行代碼
第3章  數據集的獲取與載入
  3.1  PyTorch Geometric內置數據集
    3.1.1  PyTorch Geometric簡介
    3.1.2  PyG內置數據集簡介
    3.1.3  如何載入內置數據集
  3.2  自定義數據集
    3.2.1  torch_geometric.data.Dataset類
    3.2.2  torch_geometric.data.DataLoader類
    3.2.3  如何載入自定義數據集
  3.3  數據集預處理步驟
    3.3.1  圖像數據預處理
    3.3.2  圖數據預處理
第4章  圖神經網路模型
  4.1  圖卷積神經網路
    4.1.1  圖卷積神經網路的起源和發展
    4.1.2  圖卷積神經網路與卷積神經網路的異同
    4.1.3  圖卷積神經網路簡單代碼實現
    4.1.4  卷積神經網路簡單代碼示例
    4.1.5  圖卷積神經網路的應用領域
  4.2  圖注意力網路
    4.2.1  圖注意力網路的由來和發展
    4.2.2  圖注意力網路模型代碼實現
    4.2.3  圖注意力網路的應用領域
  4.3  圖自編碼器
    4.3.1  圖自編碼器的由來和發展
    4.3.2  圖自編碼器代碼實現
    4.3.3  圖自編碼器的應用領域
  4.4  圖生成網路
    4.4.1  圖生成網路的由來和發展

    4.4.2  圖生成網路代碼實現
    4.4.3  圖生成網路的應用領域
第5章  圖神經網路在自然語言處理領域的應用
  5.1  基於圖神經網路的文本分類實現
    5.1.1  問題描述
    5.1.2  導入數據集
    5.1.3  詞嵌入
    5.1.4  構造鄰接矩陣
    5.1.5  構建圖數據
    5.1.6  圖的小型批處理
    5.1.7  圖卷積神經網路
    5.1.8  模型訓練與測試
  5.2  基於圖神經網路的情感分析實現
    5.2.1  問題描述
    5.2.2  導入數據集
    5.2.3  詞嵌入
    5.2.4  語法依存樹
    5.2.5  圖的小型批處理
    5.2.6  圖神經網路的構造
    5.2.7  模型訓練與測試
  5.3  基於圖神經網路的機器翻譯實現
    5.3.1  基於語法感知的圖神經網路編碼器用於機器翻譯
    5.3.2  利用圖卷積神經網路挖掘機器翻譯中的語義信息
    5.3.3  示例總結
第6章  圖神經網路在電腦視覺領域的應用
  6.1  基於圖神經網路的圖像分類實現
    6.1.1  基於端到端的圖神經網路模型的圖像分類
    6.1.2  基於區域的圖神經網路模型的圖像分類
  6.2  基於圖神經網路的目標檢測實現
    6.2.1  圖神經網路的目標檢測方法及其優缺點
    6.2.2  GSDT目標檢測的步驟
    6.2.3  問題描述
    6.2.4  導入數據集
    6.2.5  模型搭建
    6.2.6  模型訓練與測試
  6.3  基於圖神經網路的圖像生成實現
    6.3.1  基於草圖組合與圖像匹配的圖像生成
    6.3.2  基於圖神經網路的場景圖生成
    6.3.3  基於圖卷積神經網路從場景圖生成圖像
第7章  圖神經網路在推薦系統領域的應用
  7.1  基於圖神經網路的用戶興趣建模實現
  7.2  基於圖神經網路的推薦演算法實現
  7.3  基於圖神經網路的廣告推薦實現
    7.3.1  數據預處理
    7.3.2  模型定義
    7.3.3  參數設置
    7.3.4  模型訓練與測試
    7.3.5  結果
第8章  圖神經網路在社交網路領域的應用
  8.1  基於圖神經網路的社交網路分析實現

    8.1.1  問題描述
    8.1.2  導入數據集
    8.1.3  模型搭建
    8.1.4  模型訓練與測試
    8.1.5  示例總結
  8.2  基於圖神經網路的社交網路關係預測實現
    8.2.1  問題描述
    8.2.2  導入數據集
    8.2.3  模型搭建
    8.2.4  模型訓練與測試
    8.2.5  示例總結
  8.3  基於圖神經網路的社交網路推薦實現
    8.3.1  問題描述
    8.3.2  導入數據集
    8.3.3  模型搭建
    8.3.4  模型訓練與測試
    8.3.5  示例總結
第9章  圖神經網路的挑戰和機遇
  9.1  圖神經網路的發展歷程和現狀
    9.1.1  圖神經網路的分類
    9.1.2  經典的圖神經網路模型
  9.2  圖神經網路的技術挑戰和應用機遇
  9.3  圖神經網路的未來發展方向和熱點問題

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032